如何删除pandas DataFrame中任意元素包含指定字符串的列

注意：以下方案均为按列内容/数据类型做过滤，并非按列名匹配删除列。

针对1600列DataFrame的垃圾列清洗需求，提供三种可直接落地的实现方式，按需选择即可：

• 方案1：精准删除任意元素包含invalid字符串的列
  适用需要严格匹配错误提示关键词的场景，代码如下：

  # 逐列检测是否存在含"invalid"的单元格，过滤命中的列
  invalid_col_mask = df.astype(str).apply(lambda col: col.str.contains('invalid', na=False)).any()
  df_cleaned = df.loc[:, ~invalid_col_mask]
  

  逻辑说明：先将所有单元格统一转为字符串避免类型报错，逐元素匹配目标关键词，标记出存在任意匹配项的列后整体剔除，na=False参数会将空值判定为不匹配，不会误删含空值的正常数值列。

• 方案2：删除所有存在字符串类型值的列
  适用允许直接剔除所有含字符串列的场景，代码最简洁：

  # 排除所有object、string类型的列
  df_cleaned = df.select_dtypes(exclude=['object', 'string'])
  

  逻辑说明：只要列中混入字符串值，pandas会自动将该列类型标记为object或string，该方法可一次性过滤所有混有字符串提示的列。

• 方案3：仅保留布尔型、实数型列（机器学习训练优先选）
  直接对齐模型训练的数据类型要求，一步完成清洗：

  # 仅保留数值类（整数、浮点数等实数）、布尔类型列
  df_cleaned = df.select_dtypes(include=['number', 'bool'])
  

  逻辑说明：pandas内置的select_dtypes方法会按列的实际数据类型做筛选，number类型标识会覆盖所有可参与数值计算的实数类型列，筛选结果可直接输入后续机器学习流程，无需额外类型转换。

内容的提问来源于stack exchange，提问作者Charlie Crown